PyTorch MPS后端调用from_numpy()报is_mps()校验失败问题

触发该错误的核心原因是模型与输入张量所在计算设备不匹配：

• 执行model.to(device)后，模型的全部权重参数已经迁移到MPS设备，所有前向计算逻辑要求输入张量必须同样驻留在MPS设备内存中
• torch.from_numpy()方法生成的张量默认存储在CPU内存，不会自动跨设备同步到MPS，直接传入MPS上的模型时，线性层计算前的设备校验就会失败，抛出对应RuntimeError
• 切换到CPU运行无报错，是因为此时模型权重和输入张量都在CPU内存，设备完全匹配。

在numpy数组转PyTorch张量后，显式将张量迁移到和模型一致的运行设备即可，修正后的推理代码如下：

observations = env.reset()
# numpy转张量后，同步迁移到MPS/CPU对应设备，可同时指定数据类型对齐模型要求
X = torch.from_numpy(observations).to(device=device, dtype=torch.float32)
logits = model(X)

注意：PyTorch不会自动做跨设备的张量拷贝，不管是MPS还是CUDA后端，只要模型运行在非CPU设备上，所有输入张量都需要显式调用.to(device)迁移到对应设备后再传入模型。

内容的提问来源于stack exchange，提问作者sandboxj